Computer Immunology

第1章 概论

1．1 生物免疫学探索

1．2 计算机免疫学研究概况

1．3 计算机免疫学的多学科性

第2章 生物免疫系统机理

2．1 人体免疫系统

2．1．1 人体免疫的层次结构

2．1．2 免疫细胞

2．1．3 抗体分子

2．1．4 补体系统

2．1．5 mhc分子

2．2 免疫机制

2．2．1 概述

2．2．2 自体耐受

2．2．3 免疫应答

2．2．4 免疫反馈机制

2．3 免疫系统的学习进化

2．3．1 免疫记忆的产生

2．3．2 免疫细胞的生命周期

2．3．3 遗传变异

.2．3．4 抗体指令系统

2．4 免疫系统基本特征

2．4．1 耐受性

2．4．2 学习与认知

2．4．3 分布性

2．4．4 鲁棒性和适应性

2．4．5 多样性

2．4．6 免疫反馈

2．4．7 自组织性

第3章 计算机免疫学基本原理

3．1 形态空间模型

3．1．1 形态空间

3．1．2 自体/非自体

3．1．3 抗体/抗原

3．2 免疫细胞模型

3．2．1 基本原理

3．2．2 骨髓模型

3．2．3 否定选择

3．2．4 克隆选择

3．2．5 变异

3．2．6 免疫记忆

3．3 计算机免疫系统设计

3．3．1 基本思想

3．3．2 设计步骤

3．3．3 实例

第4章 免疫算法

4．1 免疫算法基本架构

4．2 基于群体的免疫算法

4．2．1 否定选择算法

4．2．2 肯定选择算法

4．2．3 克隆选择算法

4．3 基于网络的免疫算法

4．3．1 免疫网络算法基本架构

4．3．2 rain免疫网络算法

4．4 免疫算法与进化计算

4．4．1 常用进化计算方法

4．4．2 免疫与进化相结合的算法

第5章 免疫模型

5．1 概述

5．2 免疫系统模型

5．2．1 immsim模型

5．2．2 artis分布式检测模型

5．2．3 multi-layered免疫模型

5．2．4 基于multi-agent的免疫模型

5．3 免疫网络模型

5．3．1 基于独特性网络理论的模型

5．3．2 rlais网络模型

5．3．3 ainet网络模型

5．3．4 动态免疫网络模型

5．3．5 多值免疫网络模型

第6章 人工神经网络

6．1 概述

6．1．1 发展历史

6．1．2 应用领域

6．1．3 生物学启示

6．1．4 人工神经元模型

6．1．5 神经网络的拓扑结构

6．1．6 人工神经网络的学习

6．2 常见的人工神经网络模型

6．2．1 感知机

6．2．2 bp网络

6．2．3 hopfield网络

6．2．4 随机神经网络

6．2．5 基于hebb学习的神经网络

6．2．6 竞争型神经网络

6．3 人工神经网络与人工免疫系统

6．3．1 生物学原理

6．3. 2 人工原理异同

6．3．3 人工免疫对人工神经网络的促进作用

6．4 基于免疫的神经网络

6．4．1 unorthodox神经网络

6．4．2 pdp网络

6．4．3 基于免疫的模拟退火算法

6．4．4 rbf神经网络

6．4．5 抗体网络

6．4．6 基于免疫的bp网络设计

6．4．7 anni网络模型

第7章 应用专题

7．1 网络安全

7．1．1 概述

7．1．2 病毒检测

7．1．3 入侵检测

7．1．4 风险检测

7．1．5 计算机取证

7．1．6 一个基于multi-agent的计算机免疫系统

7．2 模式识别

7．2．1 数字识别

7．2．2 光谱识别

7．2．3 其他模式识别系统

7．3 组合优化

7．3．1 组合优化问题简介

7．3．2 tsp问题

7．3．3 交通安全规划

7．4 机器学习

7．4．1 概述

7．4．2 初始化

7．4．3 arb的产生

7．4．4 资源的竞争

7．4．5 记忆细胞的加入

7．4．6 实验结果

7．5 控制

7．5．1 机器人行为控制

7．5．2 免疫反馈控制

7．6 其他应用

7．6．1 调度

7．6．2 异常诊断

7．6．3 联想记忆

7．6．4 数据挖掘与分析

7．6．5 生产系统

7．6．6 智能建筑

7．6．7 自适应干扰中和器

7．6．8 感应问题处理

7．6．9 开放型web服务器协调

7．6．10 免疫系统中的映像模式

7．6．11 蛋白质结构预测

附录a 中英文词汇对照

附录b 互联网资源

参考文献